Unesbulin 处理调控 EGFR 突变 NSCLC 肿瘤微环境单细胞互作图谱
该数据集来自 NCBI GEO,标题为 GSE253658,聚焦 EGFR 突变非小细胞肺癌的肿瘤微环境。数据通过高通量测序表达谱分析,系统刻画肿瘤异质性及其与微环境中内皮细胞、成纤维细胞和肿瘤浸润免疫细胞的动态互作,并评估微管结合剂 Unesbulin 对 BMI-1 活性及肿瘤侵袭性的影响

基本信息
资源简介
Unesbulin 处理调控 EGFR 突变 NSCLC 肿瘤微环境单细胞互作图谱
Tumor microenvironment landscapes supporting EGFR-mutant NSCLC are modulated at the single cell interaction level by Unesbulin treatment
该数据集来自 NCBI GEO,标题为 GSE253658,聚焦 EGFR 突变非小细胞肺癌的肿瘤微环境。数据通过高通量测序表达谱分析,系统刻画肿瘤异质性及其与微环境中内皮细胞、成纤维细胞和肿瘤浸润免疫细胞的动态互作,并评估微管结合剂 Unesbulin 对 BMI-1 活性及肿瘤侵袭性的影响。文件为一份 series matrix 表达矩阵,可用于研究肿瘤细胞与微环境组分的交互界面、药物响应机制及潜在治疗靶点(来源 NCBI)。
【数据集背景】
源站首次发布:Jan 19 202。
【数据内容】
源站描述(机器翻译,仅供参考):肺癌是癌症死亡的主要原因。致死性肺腺癌(ADC)常伴有表皮生长因子受体(EGFR)突变。肺癌的基因工程小鼠模型加快了对驱动肿瘤发生和药物反应的分子机制的理解。在此,我们通过高分辨率转录组学,系统分析了肿瘤异质性在与交织的肿瘤微环境发生的动态相互作用背景下的演化。我们的工作识别出脆弱的肿瘤特异性上皮细胞,以及它们与微环境组分(内皮细胞、成纤维细胞和肿瘤浸润免疫细胞)的串扰,这种共生界面塑造了肿瘤的侵袭性,并且几乎被 Unesbulin 治疗完全消除,Unesbulin 是一种微管结合剂,可降低 BMI-1 活性。同时进行的 MRI 分析 d
【数据结构与技术规格】
文件数 1 个,合计 0 B。
【主题与分类】
主题标签:GPL19057、10090。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE253658
【使用注意】
· 源站最后修改于 Apr 03 202,引用时请注意版本时效。
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载,适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档,适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务(收技术服务费,非数据销售)
暂未开放当前数据集主要来源为 Kaggle 公开托管,完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE253658
标准获取流程:
- 访问源站链接,注册/登录账号;
- 进入数据集详情页,按页面指引申请权限或直接下载;
- 部分平台提供 SDK,例如:
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据说明
肺癌是癌症死亡的主要原因。致死性肺腺癌(ADC)常伴有表皮生长因子受体(EGFR)突变。基因工程小鼠肺癌模型加快了对驱动肿瘤发生和药物反应的分子机制的理解。在此,我们通过高分辨率转录组学,系统分析了在肿瘤微环境动态相互作用背景下的肿瘤异质性演化。我们的研究识别出了脆弱的肿瘤特异性上皮细胞,以及它们与微环境组分(内皮细胞、成纤维细胞和肿瘤浸润免疫细胞)之间的交互对话,这种共生界面塑造了肿瘤的侵袭性,并且在Unesbulin治疗下几乎被完全消除,Unesbulin是一种微管蛋白结合剂,可降低BMI-1活性。同步MRI分析显示肿瘤生长减缓,为未来研究针对EGFR突变型ADC的新型治疗策略潜力奠定了基础。
数据加载示例(图像类)
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
数据缺失?
依托陕西、四川两大基地,我们与超过十家三甲医院建立直接合作关系,覆盖合规授权、采集治理、专业标注、数据交付的全流程,为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务?立即联系我们获取专业方案。




